您现在的位置: IOS教程網 >> IOS系統 >  >> iOS 訊息 >> iOS 相關資訊

iOS 字串編碼轉換筆記:Unicode、GBK、UTF-8 與長度計算

編輯:iOS 相關資訊

一、Unicode 轉 GBK

NSString *string = @"中國chn";
NSStringEncoding gbkEncoding =
    CFStringConvertEncodingToNSStringEncoding(kCFStringEncodingGB_18030_2000);

// 方法一:取得 C 字串指標
const char *cString = [string cStringUsingEncoding:gbkEncoding];

// 方法二:取得 NSData 後取 bytes
NSData *data = [string dataUsingEncoding:gbkEncoding];
const char *bytes = (const char *)[data bytes];

兩者的差別在生命週期:cStringUsingEncoding: 回傳的指標其內容由 autorelease pool 管理,可能很快失效;dataUsingEncoding: 則得到一個明確持有的 NSData 物件,比較安全。實務上建議優先用第二種。

轉換時有些字元在目標編碼中不存在,例如 £、¥、~(iOS 5.0 與 6.0 的鍵盤編碼也不盡相同)。cStringUsingEncoding: 遇到無法編碼的字元會直接回傳 NULL,因此務必判空;若希望容錯,可改用 cStringUsingEncoding:stringByReplacingOccurrencesOfString: 處理已知問題字元。

二、length 與 strlen 不是同一件事

NSString 的 - (NSUInteger)length 回傳的是 UTF-16 碼元的數量,而不是「使用者看到的字元數」。因此 emoji 或某些 CJK 擴充字元會被算成兩個。若要取得使用者感知的字元數,應改用 [[string precomposedStringWithCanonicalMapping] length] 並搭配 enumerateSubstringsInRange:options:usingBlock: 以 NSStringEnumerationByComposedCharacterSequences 列舉。此外,length 也無法用來判斷字串在畫面上實際佔多寬。

C 語言的 strlen 回傳的是編碼後佔用的位元組數(不含結尾的 '\0')。同一段中文,在 GBK 下每字 2 位元組,在 UTF-8 下每字 3 位元組,所以 strlen 的結果會隨編碼而異。

三、char 與 int 的轉換陷阱

char 佔 1 個位元組,其十進位範圍視 signed 與否而定(signed char 為 -128~127,unsigned char 為 0~255)。當 int 強制轉為 char 時,只會保留低位元組、捨去高位:

(char)(value % 256) == (char)value

這也是為什麼用 char 儲存顏色通道值時,記得宣告為 unsigned char 或直接用 uint8_t,否則 128 以上的值會變成負數。

四、各編碼速查

ASCII:定義 128 個字元,其中 33 個為控制字元、無法顯示。

GBK:雙位元組編碼,中日韓字元各佔 2 bytes,相容 GB2312。

UTF-8:變長編碼,ASCII 部分佔 1 byte,其他最多 4 bytes。因為不含位元組序問題,是目前網路上最通用的選擇。

Unicode/UTF-16:碼位範圍 0 到 0x10FFFF,前 256 個字元相容 ISO 8859-1。NSString 內部以 UTF-16 儲存,預設採用 big-endian 表示。

五、實務建議

1. 與後端溝通時,明確約定編碼(多數情況下應統一為 UTF-8),並在 NSURLRequest 中正確設定 Content-Type 的 charset 參數。

2. 解碼不確定編碼的位元組資料時,可用 NSStringEncoding 陣列逐一嘗試,或用 CFStringConvertEncodingToNSStringEncoding 搭配 CFStringGetMostCompatibleMacStringEncoding 做轉換。

3. 處理 URL 時,別忘了 stringByAddingPercentEncodingWithAllowedCharacters: 與舊版 stringByAddingPercentEscapesUsingEncoding: 的差異,後者不會編碼 &、? 等保留字元,容易釀成參數解析錯誤。

  1. 上一篇文章:
  2. 下一篇文章:
蘋果刷機越獄教程| IOS教程問題解答| IOS技巧綜合| IOS7技巧| IOS8教程
Copyright © IOS教程網 All Rights Reserved